research-ops
affaan-m/ECC
Executa fluxos de trabalho de pesquisa baseados em evidências, combinando habilidades de pesquisa, síntese e recomendação para fatos atuais, comparações ou aprofundamento.
...Expandir tudoOperações de Pesquisa
Utilize isso quando o usuário solicitar uma pesquisa sobre um assunto atual, comparar opções, enriquecer informações sobre pessoas ou empresas, ou transformar consultas repetidas em um fluxo de trabalho monitorado.
Este é o wrapper do operador em torno da pilha de pesquisa do repositório. Ele não substitui deep-research, exa-search, nem market-research; ele indica quando e como usá-los em conjunto.
Pilha de Habilidades
Incorpore essas habilidades nativas do ECC ao fluxo de trabalho quando for relevante:
exa-searchpara uma descoberta rápida na web atualdeep-researchpara síntese de múltiplas fontes com citaçõesmarket-researchquando o resultado final deve ser uma recomendação ou uma decisão classificadalead-intelligencequando a tarefa for segmentação de pessoas/empresas, em vez de pesquisa genéricaknowledge-opsquando o resultado precisar ser armazenado posteriormente em um contexto duradouro
Quando usar
- o usuário diz “pesquisar”, “consultar”, “comparar”, “com quem devo falar” ou “quais são as últimas novidades”
- a resposta depende de informações públicas atuais
- o usuário já forneceu evidências e deseja que elas sejam levadas em conta em uma nova recomendação
- a tarefa pode ser recorrente o suficiente para se tornar um monitor, em vez de uma consulta pontual
Limites
- não responda a perguntas atuais com base em informações desatualizadas quando uma nova pesquisa for fácil de realizar
- separadamente:
- fatos de fontes confiáveis
- evidência fornecida pelo usuário
- inferência
- recomendação
- não inicie uma pesquisa exaustiva se a resposta já estiver no código local ou na documentação
Fluxo de trabalho
1. Comece com o que o usuário já lhe forneceu
Normalize qualquer material fornecido em:
- fatos já comprovados
- que precisam de verificação
- questões em aberto
Não recomece a análise do zero se o usuário já tiver construído parte do modelo.
2. Classifique a consulta
Escolha a abordagem correta antes de pesquisar:
- resposta rápida e objetiva
- comparação ou nota de decisão
- etapa de geração de leads/enriquecimento
- candidato a acompanhamento recorrente
3. Siga primeiro o caminho de evidências mais simples e útil
- uso
exa-searchpara uma descoberta rápida - encaminhar para
deep-researchquando a síntese ou fontes múltiplas forem importantes - use
market-researchquando o resultado deve culminar em uma recomendação - encaminhe para
lead-intelligencequando o que realmente se busca é a classificação de alvos ou a descoberta de caminhos promissores
4. Relatório com limites explícitos das evidências
Para afirmações importantes, especifique se elas são:
- fatos com fonte
- contexto fornecido pelo usuário
- inferências
- recomendação
Respostas sensíveis à atualidade devem incluir datas concretas.
5. Decida se a tarefa deve continuar sendo manual
Se for provável que o usuário faça a mesma pergunta de pesquisa repetidamente, indique isso explicitamente e recomende uma camada de monitoramento ou fluxo de trabalho, em vez de repetir a mesma busca manual indefinidamente.
Formato de saída
QUESTION TYPE
- factual / comparison / enrichment / monitoring
EVIDENCE
- sourced facts
- user-provided context
INFERENCE
- what follows from the evidence
RECOMMENDATION
- answer or next move
- whether this should become a monitor
Armadilhas
- não misture inferências com fatos comprovados sem identificá-las
- Não ignore evidências fornecidas pelo usuário
- não utilize um canal de pesquisa complexo para uma pergunta que o contexto do repositório local possa responder
- Não forneça respostas sensíveis à atualidade sem indicar datas
Verificação
- afirmações importantes são identificadas pelo tipo de evidência
- resultados sensíveis à atualidade incluem datas
- A recomendação final corresponde ao modo de pesquisa efetivamente utilizado
---
name: research-ops
description: Runs evidence-first research workflows by combining search, synthesis, and recommendation skills for current facts, comparisons, or enrichment.
---
# Research Ops
Use this when the user asks to research something current, compare options, enrich people or companies, or turn repeated lookups into a monitored workflow.
This is the operator wrapper around the repo's research stack. It is not a replacement for `deep-research`, `exa-search`, or `market-research`; it tells you when and how to use them together.
## Skill Stack
Pull these ECC-native skills into the workflow when relevant:
- `exa-search` for fast current-web discovery
- `deep-research` for multi-source synthesis with citations
- `market-research` when the end result should be a recommendation or ranked decision
- `lead-intelligence` when the task is people/company targeting instead of generic research
- `knowledge-ops` when the result should be stored in durable context afterward
## When to Use
- user says "research", "look up", "compare", "who should I talk to", or "what's the latest"
- the answer depends on current public information
- the user already supplied evidence and wants it factored into a fresh recommendation
- the task may be recurring enough that it should become a monitor instead of a one-off lookup
## Guardrails
- do not answer current questions from stale memory when fresh search is cheap
- separate:
- sourced fact
- user-provided evidence
- inference
- recommendation
- do not spin up a heavyweight research pass if the answer is already in local code or docs
## Workflow
### 1. Start from what the user already gave you
Normalize any supplied material into:
- already-evidenced facts
- needs verification
- open questions
Do not restart the analysis from zero if the user already built part of the model.
### 2. Classify the ask
Choose the right lane before searching:
- quick factual answer
- comparison or decision memo
- lead/enrichment pass
- recurring monitoring candidate
### 3. Take the lightest useful evidence path first
- use `exa-search` for fast discovery
- escalate to `deep-research` when synthesis or multiple sources matter
- use `market-research` when the outcome should end in a recommendation
- hand off to `lead-intelligence` when the real ask is target ranking or warm-path discovery
### 4. Report with explicit evidence boundaries
For important claims, say whether they are:
- sourced facts
- user-supplied context
- inference
- recommendation
Freshness-sensitive answers should include concrete dates.
### 5. Decide whether the task should stay manual
If the user is likely to ask the same research question repeatedly, say so explicitly and recommend a monitoring or workflow layer instead of repeating the same manual search forever.
## Output Format
```text
QUESTION TYPE
- factual / comparison / enrichment / monitoring
EVIDENCE
- sourced facts
- user-provided context
INFERENCE
- what follows from the evidence
RECOMMENDATION
- answer or next move
- whether this should become a monitor
```
## Pitfalls
- do not mix inference into sourced facts without labeling it
- do not ignore user-provided evidence
- do not use a heavy research lane for a question local repo context can answer
- do not give freshness-sensitive answers without dates
## Verification
- important claims are labeled by evidence type
- freshness-sensitive outputs include dates
- the final recommendation matches the actual research mode used
Todos os arquivos
1 arquivosInstalar research-ops
Baixe e descompacte os arquivos de habilidades no diretório .claude/skills/.
Baixar ZIPClone o repositório e copie os arquivos da habilidade para o seu projeto.
git clone https://github.com/affaan-m/ECC/tree/main/skills/research-ops # Copy SKILL.md to your .claude/skills/ directory
Copiar





Lar
